拖拽式机器学习的爱与恨

拖拽式机器学习是我想了很久的问题。

1. 前世今生

拖拽式机器学习是,人们在界面上通过拖拽就是建立机器学习过程。拖拽式机器学习系统一般拥有丰富的组件,包括数据清洗、特征选择、训练、预测和效果评估。通过类似于 “搭积木” 的方式,人们将学习组件合成一个完成的机器学习过程。

拖拽式机器学习的雏形很早之前就出现了。Weka 是有新西兰 Waikato 大学开发的数据挖掘软件。Weka 除了提供 Java API 之外,还提供 Weka Explorer 图形界面。人们在 Weka Explorer 界面上通过鼠标操作就能很方便地加载数据、观察数据特点、训练、预测和效果评估。除了 Weka 免费软件之外,商业软件 Matlab 和 SASS 也提供了图形界面。我个人觉得,这些软件将自己定位为软件,而不是工具包或者系统。但这些软件确实是最开始有图形界面的机器学习系统。

随着最近几年机器学习成为显学,“人人都能使用机器学习” 成为不少人的愿景。在他们的想象中,数据准备、不同算法训练、不同算法的预测和效果评估都封装在组件中,人们只需要点点鼠标拖拽拖拽组件,就能顺利地使用机器学习。秉承这样的理念,人们开发了不少拖拽式机器学习系统。其中比较有名的就包括微软的 Azure Machine Learning Studio 和阿里的大数据计算服务 MaxComput。

除了大公司,也有创业公司开发拖拽机器学习系统。下图是 aetros 基于 theano 建立的深度学习平台。用户只要进行拖拽就可以完成一个基本含有ConvNet,fcNet的架构。

2. 爱

拖拽式机器学习将机器学习的使用门槛,从编程降到组件拖拽和配置文件撰写。机器学习使用难度实现了质的下降。但这个优势我一直有怀疑。金融公司、外贸公司、银行,甚至互联网企业等组织机构中,非技术人员真的有使用机器学习的需求和知识储备嘛?我表示怀疑。

拖拽式机器学习即使不能实现 “人人都能使用机器学习” 的初心,也能极大地方便工程师进行机器学习任务。工程师在界面上组织资金的机器学习任务,可能对自己的机器学习任务有一个直观的认识:自己的机器学习任务进行到哪一步了;如果出错,在哪一步出错;出错步骤影响了哪些任务。

比如我们很直观地可以从上图看出,如果归一化出错,将会影响拆分任务和后续任务。

3. 恨

说了拖拽式机器学习的好,我们再说说拖拽式机器学习的坏。

拖拽式机器学习中,组件加配置替换了编程,成为人们使用机器学习的方式。但是组件加配置,却不能像编程那样,完全地处理机器学习使用的复杂度。除了对机器学习算法的理解,机器学习使用最复杂的部分有两个部分:调特征和调参数。调特征的内容包括:要用哪些特征,要摒弃哪些特征,采用哪些特征预处理方法 (比如 scaling)。调参数则和具体算法有关,比如逻辑斯蒂回归主要有学习率和正则因子两个参数。

组件加配置的方式能配置一组特征工程方案和一组参数,但很难快速验证哪一组特征工程方案和参数效果最好。在编程方式中,我们可以用循环的方式,遍历不同的特征工程方案和参数,得到相应效果指标。但在拖拽式机器学习的组件加配置的方式中,我们只能在文档中记着不同的特征工程方案和参数,选择其中一个配置到拖拽式机器学习系统,运行几个小时得到评估指标,将评估指标记录到文档中;再选择下一组,重复上述步骤直到遍历完所有特征工程方案和参数。我们程序员的目标是用代码将不同的任务串起来,实现自动化。但现在拖拽式机器学习粗暴割裂了这个自动化链条。

那么直接用组件加配置实现自动化呢?如果要实现这点,拖拽式机器学习要提供条件判断组件和循环组件,还需要定义一套特征工程方案和参数变化的标准。这好像是在制定一个新的编程语言了,还不如直接用现有的编程语言接口呢。

4. 总结

拖拽式机器学习 “人人都能使用机器学习” 的初心我是不看好的。对于工程师来说,拖拽式机器学习也是充满了爱恨情仇。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Y大宽

Cytoscape插件2:CytoHubba

CytoHubba:发现复杂网络的关键目标和子网络 网络对呈现包括PPI,基因调控,细胞路径和信号转导等多种类型生物数据非常有用。我们//+重要性,并且这也能...

2551
来自专栏人工智能LeadAI

数据清洗经验

平时习惯了在某些特定的数据集合上做实验,简单的tokenization、预处理等步骤就足够了。但是在数据越来越大的年代,数据清洗越来越重要,也越来越复杂。看到P...

3054
来自专栏新智元

【10大深度学习框架实验对比】Caffe2最优,TensorFlow排第6

【新智元导读】微软数据科学家Ilia Karmanov做了一个项目,使用高级API测试8种常用深度学习框架的性能(因为Keras有TF,CNTK和Theano,...

3727
来自专栏AI研习社

Tensorflow 入门与安装 | Tensorflow 最全资料汇总【2】

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com 自...

3516
来自专栏有趣的Python

1-机器学习启蒙- Python基础语法与工具

机器学习正在改变世界 以前的机器学习观点 ? 我为什么学习机器学习?机器人:人工智能应用。 ? 亚马逊零售推荐,Google广告。电影推荐,音乐推荐,社交推荐。...

2987
来自专栏挖掘大数据

如何利用已有的大数据技术,搭建机器学习平台

人脑具备不断积累经验的能力,依赖经验我们便具备了分析处理的能力,比如我们要去菜场挑一个西瓜,别人或者自己的经验告诉我们色泽青绿、根蒂蜷缩、纹路清晰、敲声浑响的西...

4630
来自专栏PPV课数据科学社区

用户行为数据可视化——行为序列图

引子: 作为一名网站的用户研究工作人员,我曾经碰到过以下问题: 深知服务器日志是一座金矿,但不知道该从哪里开始分析? 辛辛苦苦盯着电脑一天,看了1000+条...

4188
来自专栏应兆康的专栏

19. 总结:基本错误分析

• 不要一开始就尝试设计和构建完美的系统,而是尽可能快的建立和训练一个基础的系统(几天之内),然后使用错误分析。帮助你找到最优的方向,并迭代改进你的算法。

3099
来自专栏应兆康的专栏

19. 总结:基本错误分析

1171
来自专栏吉浦迅科技

确认过的眼神:这是一份NVIDIA TensorRT 4.0的实战教程

NVIDIA TensorRT是一个高性能的深度学习推理优化器和runtime,为深度学习推理应用程序提供低延迟和高吞吐量。您可以从每个深度学习框架中导入经过训...

1392

扫码关注云+社区